每任务成本：使用廉价分类器在 Gemini 模型和思考级别之间进行路由
每 token 的 API 价格持续下降，但自主编码代理的工程账单却在不断攀升……
文章
不限日期
共 167 篇第 1–25 篇
在 OpenAI 扩展 Git 规模
OpenAI 如何构建 Pando——一个为 Codex 所带来的开发规模而设计的 Git 兼容后端。
使用 A2UI 与 CopilotKit 智能体构建生成式 UI 应用
了解如何使用 Google 的 A2UI 开放标准和 CopilotKit 构建生成式 UI 应用，让智能体能够在各种主流框架中渲染丰富、可交互的界面。
介绍 Microsoft Copilot 框架：释放真正多模型智能体工作的潜力
如果你想参与竞争，就需要采用多模型策略。而如果你想充分利用不同 AI 模型所提供的全部能力，就需要一个出色的框架。但要构建一个能在多个模型和平台上无缝运行的框架，难度极大。你需要在性能、质量和成本之间取得平衡。此外……文章《介绍 Microsoft Copilot 框架：释放真正多模型智能体工作的潜力》最初发布于 Microsoft 官方博客。
通过 Agents CLI 评估提升智能体质量
了解如何使用 Agents CLI 评估循环来提升智能体质量，涵盖从初始基线运行和回归跟踪，到模型替换和自动警报的全过程。
借助 Google Play 服务中的 LiteRT 实现更小的应用体积与更快的 GPU 推理
了解 Google Play 服务中的 LiteRT 如何借助 ML Drift 和 CompiledModel API，实现更小的 Android 应用体积以及约 1.4 倍的 GPU 推理速度提升。
迈向前沿的平台化路径
去年在 Ignite 大会上，我们提出了前沿转型（Frontier Transformation）的概念，以及它为何不同于任何以技术为主导的追求，因为它要求我们首先关注业务成果。这一切始于一个简单的理念：技术的发明是为了服务人类，而不是相反。不存在这样一条道路……本文《迈向前沿的平台化路径》最初发布于 Microsoft 官方博客。
Odysseys2：一个长期网页智能体基准
来自卡内基梅隆大学和 Browser Use 的 100 个实时网络长期任务。表现最好的智能体完整完成了 100 个任务中的 47 个。
在 GCP 上使用多智能体集群构建对话式商务：一个可运行的原型
在本分步指南中，了解如何使用 AI 构建对话式用户界面 (CUI)。
快速、可靠的 A2UI，支持可替换的推理格式
探索 A2UI 全新的可替换推理格式，包括可将延迟降低 3 倍的 A2UI Express，以及通过 Jev 实现受控生成，打造快速、可靠的生成式 UI。
推出自愿离职计划
微软执行副总裁兼首席人力资源官 Amy Coleman 今天与微软员工分享了以下内容。今天，我们向参与计划的组织中的符合条件的员工推出一项新的自愿离职计划（VEO）。该计划为可能考虑未来离开公司的符合条件的员工提供了一个新选择，让他们现在就完成这一过渡……<a id="L0">推出自愿离职计划</a>一文最初发布于<a id="L1">微软官方博客</a>。
快速扩展在线存储以服务超过 10 亿 ChatGPT 用户（第二部分）
了解 OpenAI 如何通过可靠的多租户、全球缓存和 Azure Cosmos DB 扩展 Habitat，为 ChatGPT 提供快 12 倍的读取速度。
在 Google Cloud 上构建受治理、自我演进的 AI 智能体
借助 ADK、BigQuery、Model Armor 和 Cloud KMS，在 Gemini Enterprise Agent Platform 上构建受治理、自我演进的 AI 智能体，以在数秒内修复故障。
Uber 与 OpenAI 合作，将 ChatGPT Work 推向全体员工
Uber
我们如何为 ChatGPT 构建兼顾用户信任与相关性的全新广告栈
了解 OpenAI 如何构建 ChatGPT 的 LLM 驱动广告栈，以理解对话意图、将广告与回答分离，并大规模投放相关广告。
为智能体开发生命周期提供动力，支持任意框架，从 ADK 到 LangChain 及更广泛生态
了解 Agents CLI 扩展系统如何让您将任意框架（如 LangChain）集成到统一的开发生命周期中。
修补地球
我不知道你是否看到了这个，但一个 CA 刚刚被攻破了。他们的密钥被泄露了，这意味着整个行业现在面临一些相当严重的问题。这是两小时前披露的。eMudhra 中间 CA 泄露 eMudhra 中间 CA 泄露 现在你&
以更大的控制权和选择权推进数字主权
在我与政府、关键基础设施和受监管行业的领导者交流时，有一个优先事项始终位居首位：让技术在其最重要的系统上发挥作用，同时保持这些系统所需的控制权。随着先进的云和AI能力进入公共服务、受监管流程和关键……这一挑战正变得愈发重要。本文《以更大的控制权和选择权推进数字主权》最初发布于 Microsoft 官方博客。
将 TorchTPU 集成到 TorchTitan 并针对 TPU 优化模型
了解 TorchTitan 和 TorchTPU 如何借助原生 PyTorch 支持，在 Google Cloud TPU 上实现无缝、高性能的分布式 AI 模型训练。
将可视化图调试引入自定义边缘编译器：Model Explorer
了解 Arm 如何使用 Google AI Edge Model Explorer 检查自定义编译器 IR、验证 NPU 委派并映射周期级性能分析跟踪。
宣布在 TPU 上推出全新的 vLLM 和 SGLang 推理引擎
宣布在 Google Cloud TPU 上为 vLLM 和 SGLang 提供原生 PyTorch 后端，由 TorchTPU 和 TPU Sync 提供支持，实现高性能推理。
保护智能体内部威胁
在过去几个月里，随着越来越多的事件被公开披露，人们对AI安全的担忧日益加剧。这些事件揭示了模型已经变得多么强大，以及如果处理不当，它们将构成多么重大的威胁。随着全球创新竞赛的展开，随着模型变得愈发……，这一挑战将不断加剧。文章《保护智能体内部威胁》最初发布于《微软官方博客》。
共享 OpenAI 订阅并绕过区域推理容量限制
到目前为止，大多数人应该已经意识到我们正处于计算成本危机之中。CPU 和内存的成本高得离谱，根本不够用。与此同时，全球的 GPU 肯定也不够。如果你一直在使用
智能体编程现状 #11：好奇心测试、Lisp，以及不能失败的实验室
Armin Ronacher 和 Ben Vinegar 邀请我参加了《智能体编程现状》节目，聊了聊好奇心测试、DHH 的转变、持久化智能体、一个通过对话来编程的 Lisp，以及为什么这些实验室不能失败。
重新审视我对 openclaw 的一些先入之见
我不得不说，Peter Steinberg（又名龙虾人）绝对是天才。他在 OpenClaw 上远远走在了时代前面。我记得他去年第一次在推特上提到它的时候，以及年初它演变成彻底的龙虾疯狂的时候。见鬼，我甚至还运行过 OpenClaw
第 1–25 篇/共 167 篇